• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    用于表情識別的半監(jiān)督學習自適應提升算法

    2016-07-19 02:14:11吳會叢賈克斌
    計算機應用與軟件 2016年6期
    關鍵詞:源域識別率人臉

    吳會叢 賈克斌 蔣 斌

    1(河北科技大學信息科學與工程學院 河北 石家莊 050018)2(北京工業(yè)大學電子信息與控制工程學院 北京 100124)

    ?

    用于表情識別的半監(jiān)督學習自適應提升算法

    吳會叢1賈克斌2蔣斌2

    1(河北科技大學信息科學與工程學院河北 石家莊 050018)2(北京工業(yè)大學電子信息與控制工程學院北京 100124)

    摘要針對半監(jiān)督人臉表情識別算法在表情來源多樣、姿態(tài)不一時準確率低的問題,在遷移學習自適應提升算法的基礎上,提出一種新的半監(jiān)督學習自適應提升算法。該算法通過近鄰計算由訓練集中的已標記樣本求出未標記樣本的類別,并借助AdaBoost.M1算法分別對多數(shù)據(jù)源的人臉表情樣本和多姿態(tài)人臉表情樣本展開識別,實現(xiàn)樣本的多類識別任務。實驗結果表明,與標號傳遞等半監(jiān)督學習算法相比,該算法顯著提高了表情識別率,且分別在多數(shù)據(jù)庫和多姿態(tài)數(shù)據(jù)庫上獲得了73.33%和87.71%的最高識別率。

    關鍵詞人臉表情識別半監(jiān)督學習自適應提升

    0引言

    近年來,人臉表情識別作為一種生物特征識別技術,已成為多媒體信息處理、人機交互、圖像處理與模式識別等領域的重要研究課題[1,2]。在人臉表情識別過程中,樣本標記起到了重要的作用,但是并不容易獲取。由于半監(jiān)督學習[3]能夠利用少量的標記樣本和大量的未標記樣本構建學習模型,研究者將其應用于人臉表情識別領域以解決標記樣本不足的問題,提高人臉表情識別的實用性。

    半監(jiān)督學習的目的是借助大量的未標記樣本參與訓練以彌補訓練樣本不足的缺陷。然而,專業(yè)數(shù)據(jù)庫中人臉表情圖像數(shù)量的不足限制了半監(jiān)督學習在表情識別中的發(fā)展。因此,需要尋找一種方案來解決數(shù)據(jù)量不足的問題,以便更好地完成半監(jiān)督學習在人臉表情識別中的應用。解決問題的思路有兩個:其一是將多個數(shù)據(jù)庫放在一起使用,進行多數(shù)據(jù)庫聯(lián)合實驗。該方法具有以下兩個優(yōu)點:第一,能夠收集大量的未標記樣本,方便研究者復原實驗過程,使得在該數(shù)據(jù)庫上得到的實驗結果更具有說服力;第二,在實際生活中,我們面對的人群是多種多樣的,多數(shù)據(jù)庫有利于我們模擬實際情況。所以使用多數(shù)據(jù)庫進行半監(jiān)督學習實驗的做法,具有很大的優(yōu)勢。其二是將多姿態(tài)圖像作為樣本,參與半監(jiān)督人臉表情識別。該方法對于在現(xiàn)實環(huán)境中識別多姿態(tài)的人臉表情圖像具有重要的實際意義。

    目前,針對多數(shù)據(jù)庫、多姿態(tài)表情識別的半監(jiān)督學習的研究還處于起步階段。針對多數(shù)據(jù)庫條件下的表情識別問題,文獻[4]提出了一種新的遷移子空間學習算法,在JAFFE、CK和Feedtum數(shù)據(jù)庫兩兩組合成的數(shù)據(jù)集上取得了一定的效果。對于多姿態(tài)條件下的表情識別問題,主要通過改進特征提取方法來提高樣本識別的正確率。文獻[5]采用了張量臉結合流形學習的方法來解決多姿態(tài)條件下的人臉識別問題。文獻[6]提出了基于正交鑒別向量的算法來克服人臉姿態(tài)變化對識別造成的干擾。文獻[7]將基于子空間的人臉表征看作一個回歸問題,因此采用了嶺回歸和線性回歸的方法來處理人臉的姿態(tài)變化問題。文獻[8]使用嵌入式馬爾科夫模型方法處理人臉的不同姿態(tài),獲得了比傳統(tǒng)的基于構件的分類器更好的識別率。

    為進一步提升多數(shù)據(jù)庫、多姿態(tài)條件下的表情識別率,本文引入了遷移學習自適應提升(TrAdaBoost)[9]算法中的知識遷移方式,提出了一種新的基于半監(jiān)督學習的自適應提升(SSL-AdaBoost)算法。選擇引入TrAdaBoost算法有以下兩點原因:其一,該方法是遷移學習理論的代表性算法,既能保證知識遷移效果,又具有結構簡單、便于操作的優(yōu)點;其二,該方法以AdaBoost算法為基本框架。而在半監(jiān)督學習中出現(xiàn)了不少基于AdaBoost框架的算法,如SemiBoost[10]算法、ASSEMBLE[11]算法以及RegBoost[12,13]算法等,為TrAdaBoost算法改進為半監(jiān)督學習算法提供了可能性。

    1算法原理分析

    1.1TrAdaBoost算法原理

    TrAdaBoost算法的基本原理如下:

    設Xs表示源域內和目標域數(shù)據(jù)分布相同的樣本,Xd表示源域內和目標域數(shù)據(jù)分布不同的樣本。令X=Xs∪Xd,Y={0,1}表示樣本標記,c表示將X映射到Y的布爾函數(shù),c(x)表示樣本x的標記。

    如果符合t≤N、εt<0.5的條件,算法開始循環(huán):

    (2) 依據(jù)分布Pt,采用WeakLearn得到樣本的分類結果ht:X→Y;

    (4) 設參數(shù)βt=εt/(1-εt);

    (5) 更新權重向量:

    (1)

    如果達到收斂條件,算法結束,否則繼續(xù)執(zhí)行。

    最后,輸出最終分類器hf(x):

    (2)

    其中,「?是上取整函數(shù),「N/2?表示不小于N/2的整數(shù)中最小值。

    1.2SSL-AdaBoost算法原理

    本文提出的SSL-AdaBoost算法在保留TrAdaBoost算法的知識遷移能力的同時,對TrAdaBoost算法進行兩方面的改進:一方面,TrAdaBoost算法屬于監(jiān)督學習算法,算法需要訓練樣本的標記信息,而SSL-AdaBoost算法是一個半監(jiān)督學習算法。按照半監(jiān)督學習的要求,訓練集由標記樣本和未標記樣本組成。因此,需要選取一定比例的訓練樣本為未標記樣本,余下的為標記樣本,從而兼顧了半監(jiān)督學習的要求和算法的分類性能。為了進一步消除未標記樣本對分類的不利因素,借助SemiBoost和ASSEMBLE等算法的處理方式,利用訓練集中的已標記樣本,通過近鄰計算求出訓練集中未標記樣本的類別。另一方面,TrAdaBoost算法用于解決二類分類問題,而人臉表情識別卻需要完成多種表情的識別任務。由于TrAdaBoost算法可以看作AdaBoost算法的擴展,而AdaBoost算法是二類分類方法,本文可以借助一種用于實現(xiàn)多類分類任務的AdaBoost算法,即AdaBoost.M1算法,完成樣本的多類識別。

    SSL-AdaBoost算法的基本原理如下:

    令Xs表示源域內和目標域數(shù)據(jù)分布相同的樣本,Xd表示源域內和目標域數(shù)據(jù)分布不同的樣本。令X=Xs∪Xd。

    (3)

    如果符合t≤N、εt<0.5的條件,算法開始循環(huán):

    (2) 依據(jù)分布Pt,采用WeakLearn得到樣本的分類結果ht:X→Y;

    (4) 設參數(shù)βt=εt/(1-εt);

    (5) 更新權重向量:

    (4)

    如果達到收斂條件,算法結束,否則繼續(xù)執(zhí)行。

    最后,輸出最終分類器hf(x):

    (5)

    2實驗結果及分析

    本文實驗以人臉表情識別為應用背景,共分為兩部分:多數(shù)據(jù)庫條件下的半監(jiān)督學習實驗和多姿態(tài)條件下的半監(jiān)督學習實驗。

    2.1多數(shù)據(jù)庫人臉表情識別實驗

    多數(shù)據(jù)庫條件下的半監(jiān)督學習實驗采用180幅日本女性人臉表情數(shù)據(jù)庫JAFFE(JapanFemaleFacialExpression)[14]的圖像、240幅美國卡內基梅隆大學動作單元編碼數(shù)據(jù)庫CK(Cohn-KanadeAU-CodedDatabase)[15]的表情峰值圖像以及荷蘭內梅亨大學人臉數(shù)據(jù)庫RaFD(RadboudFacesDatabase)[16]的57個成年人的342幅正面像。待分類樣本分別具有生氣、厭惡、恐懼、悲傷、高興和驚奇表情,各數(shù)據(jù)庫中每種表情的圖像數(shù)量基本相等。因為要進行多數(shù)據(jù)庫聯(lián)合實驗,所以在獲取人臉圖像后,對所有人臉圖像進行尺度歸一化,將圖像大小設為168×120。然后,采用直方圖均衡的方法對圖像進行光照補償。最后,通過PCA將數(shù)據(jù)維數(shù)降至40維,運用LDA實現(xiàn)對表情圖像的特征提取。

    為驗證SSL-AdaBoost算法的效果,實驗采用AdaBoost.M1算法、ASSEMBLE算法、RegBoost[12]算法和標號傳遞(LP)算法[17]作為基線算法。實驗以k近鄰分類器作為AdaBoost.M1、RegBoost和SSL-AdaBoost算法的基礎分類器。設k值為11,算法的最大循環(huán)次數(shù)為10次。

    首先,以JAFFE數(shù)據(jù)庫為源域、CK數(shù)據(jù)庫為目標域開展分類實驗。按照表情類別,隨機選取r比例的目標域樣本和源域樣本組成訓練集,其中r分別取10%、20%、30%、40%和50%。因為實驗采用180個JAFFE樣本和240個CK樣本,所以選取的目標域樣本數(shù)量為r×180,余下的240-r×180個目標域樣本組成測試集。令訓練集中標記樣本和未標記樣本的比例為1。每個比例的樣本數(shù)據(jù)各生成10組,算法識別率取10次實驗的平均結果,實驗結果如表1所示。從表1中可以看出,SSL-AdaBoost算法在不同比例下的平均識別率高于AdaBoost.M1和RegBoost算法。再以CK數(shù)據(jù)庫為源域、JAFFE數(shù)據(jù)庫為目標域進行對比實驗,結果如表2所示。從表2中可以看出,各算法的識別率普遍不高,原因在于JAFFE數(shù)據(jù)庫中的表情個體為日本女性,民族和性別情況單一,對同一種表情的表達強度近似。CK數(shù)據(jù)庫中的個體以歐美人群為主,民族及性別情況十分復雜,對同一種表情的表達強度不一。所以將CK數(shù)據(jù)庫作為源域,極大地增加了識別難度,但是本文提出的SSL-AdaBoost算法仍在10%~30%的比例下保持了最高的平均識別率。

    表1 JAFFE與CK數(shù)據(jù)庫的識別率

    表2 CK與JAFFE數(shù)據(jù)庫的識別率

    其次,以JAFFE數(shù)據(jù)庫為源域、RaFD數(shù)據(jù)庫為目標域開展分類實驗,結果如表3所示。從表3中可以看出,在不同的數(shù)據(jù)庫下,SSL-AdaBoost算法在不同比例下的平均識別率高于基線算法。再以RaFD數(shù)據(jù)庫為源域、JAFFE數(shù)據(jù)庫為目標域進行對比實驗,結果如表4所示。實驗結果表明,表3和表4的識別率高于表1和表2,原因在于JAFFE數(shù)據(jù)庫和RaFD數(shù)據(jù)庫的民族比較單一,前者為日本女性,后者為白種人。相比之下,CK數(shù)據(jù)庫包含了世界各地的民族,所以數(shù)據(jù)的特征空間和數(shù)據(jù)分布不一致的問題更嚴重,干擾了半監(jiān)督學習算法的識別效果。

    表3 JAFFE與RaFD數(shù)據(jù)庫的識別率

    表4 RaFD與JAFFE數(shù)據(jù)庫的識別率

    最后,以CK數(shù)據(jù)庫為源域、RaFD數(shù)據(jù)庫為目標域開展分類實驗,結果如表5所示。再以RaFD數(shù)據(jù)庫為源域、CK數(shù)據(jù)庫為目標域進行對比實驗,結果如表6所示。實驗結果表明,SSL-AdaBoost算法在40%和50%比例下,相對于基線算法在識別率上仍具有優(yōu)勢。CK數(shù)據(jù)庫和RaFD數(shù)據(jù)庫均以西方人為主,西方人對同一種表情的表達方式比較豐富,因此增加了識別的難度。

    表5 CK與RaFD數(shù)據(jù)庫的識別率

    表6 RaFD與CK數(shù)據(jù)庫的識別率

    綜上所述,SSL-AdaBoost算法在一定程度上克服了不同數(shù)據(jù)環(huán)境下的個體差異性對表情識別的干擾,有效地實現(xiàn)了對未標記樣本的訓練。與基線算法相比,SSL-AdaBoost算法在多數(shù)情況下具有更好的魯棒性和識別率,對比實驗證明了算法的有效性。

    2.2多姿態(tài)人臉表情識別實驗

    多姿態(tài)條件下的半監(jiān)督學習實驗選擇RaFD數(shù)據(jù)庫和BHU數(shù)據(jù)庫為實驗對象。前者選取了57個人的6種基本表情、3個水平旋轉角度(正面、135°和180°)的人臉圖像,每個角度的圖像數(shù)量為342幅。后者選取了8個人的兩種表情(生氣、高興)、2個水平旋轉角度(正面和水平旋轉30°)的人臉圖像。每個角度的圖像數(shù)量為480幅。每種表情的圖像數(shù)量相同。

    首先,實驗依靠圖像處理軟件,通過人工切分的方法,以前額發(fā)跡線到下顎為人臉的縱向切分范圍,獲取人臉圖像,所有人臉圖像的大小歸一化為64×64。其次,通過直方圖均衡化方法,對圖像進行光照補償。預處理后的實驗樣本如圖1和圖2所示。其中,圖1從上到下分別為正面、135°和180°旋轉角度的RaFD數(shù)據(jù)庫的表情圖像;圖2從上到下分別為正面和30°旋轉角度的BHU數(shù)據(jù)庫的表情圖像。最后,采用LDA算法作為樣本的特征提取算法。

    圖1 RaFD數(shù)據(jù)庫的實驗樣本

    圖2 BHU數(shù)據(jù)庫的實驗樣本

    實驗采用AdaBoost.M1算法、ASSEMBLE算法、RegBoost算法以及LP算法作為基線算法。分別以k近鄰分類器(k-NN)或反向傳播神經(jīng)網(wǎng)絡分類器(BP-NN)作為算法的基礎分類器。從中選取識別率高的分類結果作為最終的實驗結果。算法的最大循環(huán)次數(shù)設為10次。

    首先,以RaFD數(shù)據(jù)庫的正面樣本為源域、135°樣本為目標域開展分類實驗。采用k-NN作為基礎分類器,設k值為3。隨機選取r比例的目標域樣本和源域樣本組成訓練集,其中r分別取10%、20%、30%、40%和50%。因為實驗采用了正面及135°樣本各342個,所以選取的目標域樣本數(shù)量為r×342的整數(shù),余下的342-r×342個目標域樣本組成測試集。令訓練集中標記樣本和未標記樣本的比例為1。每個比例的樣本數(shù)據(jù)各生成10組,算法識別率取10次實驗的平均結果,實驗結果如表7所示。

    其次,以RaFD數(shù)據(jù)庫的正面圖像為源域、180°圖像為目標域進行對比實驗。實驗采用BP-NN作為基礎分類器。實驗結果如表8所示。

    表7 RaFD數(shù)據(jù)庫中正面和135°圖像的算法分類正確率

    表8 RaFD數(shù)據(jù)庫中正面和180°圖像的算法分類正確率

    表7和表8的實驗結果表明:一方面,算法識別率隨著偏轉圖像在訓練集中比例的增加而提高。既說明了特征空間和數(shù)據(jù)分布相同的樣本在分類中起到了很大作用,也說明了在樣本特征空間和數(shù)據(jù)分布不同的情況下,基線算法僅依靠抑制誤分類樣本無法獲得更好的識別效果。而SSL-AdaBoost算法依靠知識遷移,有效地運用正面圖像的表情特征,克服了樣本特征空間和數(shù)據(jù)分布差異對半監(jiān)督學習造成的干擾,在大部分比例下取得了比基線算法更高的識別率。另一方面,偏轉造成了人臉器官的遮擋以及大量表情信息的缺失,嚴重影響了算法的識別效果?;€算法在信息缺失與噪聲干擾的情況下,僅依靠少量偏轉圖像的表情特征不能更好地完成半監(jiān)督學習任務。SSL-AdaBoost算法通過知識遷移,將正面圖像的表情特征遷移到偏轉圖像的分類器構建之中,降低了信息缺失造成的干擾。在多姿態(tài)條件下,SSL-AdaBoost算法具有較好的魯棒性。

    最后,以BHU數(shù)據(jù)庫的正面圖像為源域、30°圖像為目標域開展分類實驗。實驗設置與表7相同。實驗結果如表9所示。從表9中可以看出,在BHU數(shù)據(jù)庫上,SSL-AdaBoost算法依然在識別率上保持了優(yōu)勢。多姿態(tài)條件下的實驗結果證明了SSL-AdaBoost算法的有效性。

    表9 BHU數(shù)據(jù)庫中正面和30°圖像的算法分類正確率

    3結語

    本文提出一種新的半監(jiān)督學習自適應提升算法。該算法借助遷移學習理論中的知識遷移方法,在多數(shù)據(jù)庫條件下將數(shù)據(jù)分布不同的樣本表情特征遷移到分類器的構建中,在一定程度上克服了不同數(shù)據(jù)環(huán)境下的個體差異性對表情識別的干擾,有效地實現(xiàn)了對未標記樣本的訓練。此外,在多姿態(tài)條件下將正面圖像的表情特征遷移到偏轉圖像的分類器構建中,降低了信息缺失造成的干擾。實驗結果表明,本文算法在多數(shù)據(jù)庫條件下有效地提高了算法的表情識別率;在多姿態(tài)表情圖像上取得了比基線算法更高的識別率。

    參考文獻

    [1] 劉帥師,田彥濤,王新竹.基于對稱雙線性模型的光照魯棒性人臉表情識別[J].自動化學報,2012,38(12):1933-1940.

    [2] 易積政,毛峽,IshizukaM,等.基于特征點矢量與紋理形變能量參數(shù)融合的人臉表情識別[J].電子與信息學報,2013,35(10):2403-2410.

    [3]ChapelleO,Sch?lkopfB,ZienA.Semi-supervisedlearning[M].Cambridge:MITPress, 2006.

    [4]YanHB,AngJrMH,PooAN.Cross-datasetfacialexpressionrecognition[C]//ProceedingsofIEEEInternationalConferenceonRoboticsandAutomation,Shanghai, 2011:5985-5990.

    [5]LiWQ,ChenDS.Multi-posefacerecognitioncombiningtensorfaceandmanifoldlearning[C]//ProceedingsoftheIEEEInternationalConferenceonComputerScienceandAutomationEngineering.Shanghai:IEEEPress, 2011:543-547.

    [6]WangJH,YouJ,LiQ,etal.Orthogonaldiscriminantvectorforfacerecognitionacrosspose[J].PatternRecognition, 2012,45(12):4069-4079.

    [7]LiAN,ShangSG,GaoW.Coupledbias-variancetradeoffforcross-posefacerecognition[J].IEEETransactionsImageProcess, 2012, 21(1):305-315.

    [8]LeePH,HsuGS,WangYW,etal.Subject-specificandpose-orientedfacialfeaturesforfacerecognitionacrossposes[J].IEEETransactionsonSystems,Man,andCybernetics-PartB:Cybernetics, 2012, 42(5):1357-1368.

    [9]DaiWY,YangQ,XueG,etal.Boostingfortransferlearning[C]//Proceedingsofthe24thInternationalConferenceonMachineLearning,Corvallis, 2007:193-200.

    [10]MallapragadaP,JinR,JainA,etal.SemiBoost:Boostingforsemi-supervisedlearning[J].IEEETransactiononPatternAnalysisandMachineIntelligence, 2009,31(11):2000-2014.

    [11]BennettKP,DemirizA,MaclinR.Exploitingunlabeleddatainensemblemethods[C]//Proceedingsofthe8thACMInternationalConferenceonKnowledgeDiscoveryandDataMining,Edmonton:ACMPress, 2002:289-296.

    [12]WangSH,ChenK.Ensemblelearningwithactivedataselectionforsemi-supervisedpatternclassification[C]//ProceedingsofInternationalJointConferenceonNeuralNetworks,Orlando,Florida,USA, 2007.

    [13]ChenK,WangSH.Semi-supervisedlearningviaregularizedboostingworkingonmultiplesemi-supervisedassumptions[J].IEEETransactiononPatternAnalysisandMachineIntelligence, 2011,33(1):129-143.

    [14]SuwaM,SugieN,FujimoraK.Apreliminarynoteonpatternrecognitionofhumanemotionalexpression[C]//Proceedingsofthe4thInternationalJointConferenceonPatternRecognition,Kyoto,Japan:InstituteofElectricalandElectronicsEngineers, 1978:408-410.

    [15]MaseK,PentlandA.Recognitionoffacialexpressionfromopticalflow[J].IEICETransactions,1991,E74(10):3474-3483.

    [16]EssaI,PentlandA.Coding,analysis,interpretationandrecognitionoffacialexpressions[J].IEEETransactiononPatternAnalysisandMachineIntelligence,1997,19(7):757-763.

    [17]ZhuXJ,GhahramaniZ.Learningfromlabeledandunlabeleddatawithlabelpropagation[R].TechnicalReportCMU-CALD-02-107,CarnegieMellonUniversity,2002.

    AN ADAPTIVE BOOSTING ALGORITHM WITH SEMI-SUPERVISED LEARNINGFORFACIALEXPRESSIONRECOGNITION

    Wu Huicong1Jia Kebin2Jiang Bin2

    1(College of Information Science and Engineering, Hebei University of Science and Technology, Shijiazhuang 050018, Hebei, China)2(College of Electronic Information and Control Engineering, Beijing University of Technology, Beijing 100124,China)

    AbstractTo address the low recognition rate of traditional facial expression recognition algorithm with semi-supervised learning caused by diverse expressions sources and different face attitudes, we propose a novel semi-supervised learning adaptive boosting (SSL-AdaBoost) algorithm based on transplanting learning adaptive boosting algorithm. The algorithm determines the categories of unmarked samples by calculating the marked samples concentrated in training through near neighbour, and recognises by means of AdaBosst.M1 algorithm the facial expression sample with multi-data sources and the facial expression sample of multiple attitudes respectively to realise the multi-category recognition task of samples. Experimental results show that the algorithm significantly improves the expression recognition rate in comparison with the label propagation method and many other semi-supervised learning methods. Besides, it achieves the highest recognition rate by 73.33% on multiple databases and 87.71% on multi-attitude database respectively.

    KeywordsFacial expression recognitionSemi-supervised learningAdaptive boosting

    收稿日期:2015-03-03。河北省自然科學基金項目(F201420 8113)。吳會叢,博士生,主研領域:數(shù)據(jù)挖掘,演化計算。賈克斌,教授。蔣斌,博士生。

    中圖分類號TP391.4

    文獻標識碼A

    DOI:10.3969/j.issn.1000-386x.2016.06.065

    猜你喜歡
    源域識別率人臉
    多源域適應方法綜述
    有特點的人臉
    基于參數(shù)字典的多源域自適應學習算法
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    計算機工程(2020年3期)2020-03-19 12:24:50
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關系
    三國漫——人臉解鎖
    動漫星空(2018年9期)2018-10-26 01:17:14
    提升高速公路MTC二次抓拍車牌識別率方案研究
    高速公路機電日常維護中車牌識別率分析系統(tǒng)的應用
    可遷移測度準則下的協(xié)變量偏移修正多源集成方法
    馬面部與人臉相似度驚人
    搡老岳熟女国产| 欧美性猛交╳xxx乱大交人| 日本黄色视频三级网站网址| 夜夜看夜夜爽夜夜摸| 麻豆成人av在线观看| 午夜免费男女啪啪视频观看 | 成人高潮视频无遮挡免费网站| 女同久久另类99精品国产91| 精品一区二区三区人妻视频| 天天一区二区日本电影三级| 欧美日韩黄片免| 欧美日本亚洲视频在线播放| 国产私拍福利视频在线观看| 极品教师在线免费播放| 校园人妻丝袜中文字幕| 午夜a级毛片| av国产免费在线观看| 丰满人妻一区二区三区视频av| 国产精品自产拍在线观看55亚洲| 高清毛片免费观看视频网站| 在现免费观看毛片| 久久久久九九精品影院| 久久精品国产亚洲网站| 午夜久久久久精精品| 久久精品国产鲁丝片午夜精品 | 99久久久亚洲精品蜜臀av| 永久网站在线| 一进一出抽搐gif免费好疼| 三级男女做爰猛烈吃奶摸视频| 91久久精品电影网| 国产不卡一卡二| 久久久久久久久久黄片| 亚洲最大成人av| 精品免费久久久久久久清纯| 国产精品久久视频播放| 禁无遮挡网站| 99热这里只有是精品在线观看| 91精品国产九色| 日本黄色片子视频| 成人无遮挡网站| 亚洲av成人av| 91av网一区二区| 久久精品国产自在天天线| 欧美bdsm另类| 少妇裸体淫交视频免费看高清| 午夜精品久久久久久毛片777| 午夜久久久久精精品| 人妻制服诱惑在线中文字幕| 91久久精品电影网| 亚洲av.av天堂| 狠狠狠狠99中文字幕| 国产美女午夜福利| 日本三级黄在线观看| 久久久久久久久久成人| 国产精品久久久久久久电影| 国产精品一区二区三区四区免费观看 | 十八禁网站免费在线| 日韩欧美三级三区| 日本a在线网址| 韩国av一区二区三区四区| 亚洲人成网站在线播| 欧美高清性xxxxhd video| 精品午夜福利视频在线观看一区| 国产精品一区二区免费欧美| 欧美日本视频| 熟女电影av网| 久久欧美精品欧美久久欧美| 97超视频在线观看视频| 制服丝袜大香蕉在线| 免费搜索国产男女视频| 一级黄片播放器| 久久久久久久久久久丰满 | 成人国产一区最新在线观看| 91麻豆精品激情在线观看国产| 九色成人免费人妻av| 欧美一区二区亚洲| 亚洲aⅴ乱码一区二区在线播放| 亚洲va在线va天堂va国产| 欧美日韩亚洲国产一区二区在线观看| 国产精品电影一区二区三区| 免费无遮挡裸体视频| 色哟哟哟哟哟哟| 五月伊人婷婷丁香| 国产男人的电影天堂91| 淫秽高清视频在线观看| 97热精品久久久久久| 女人被狂操c到高潮| 九色国产91popny在线| .国产精品久久| 人人妻人人澡欧美一区二区| 国产国拍精品亚洲av在线观看| 亚洲精华国产精华精| 99久久无色码亚洲精品果冻| 亚洲av免费高清在线观看| 男人和女人高潮做爰伦理| 成熟少妇高潮喷水视频| 中文字幕av在线有码专区| 精品一区二区三区视频在线观看免费| 神马国产精品三级电影在线观看| 深夜a级毛片| 亚洲性夜色夜夜综合| 国产亚洲av嫩草精品影院| 久久午夜亚洲精品久久| 中出人妻视频一区二区| 国产精品永久免费网站| a级一级毛片免费在线观看| 永久网站在线| 亚洲专区中文字幕在线| 亚洲成人精品中文字幕电影| 精华霜和精华液先用哪个| 免费看美女性在线毛片视频| 亚洲成a人片在线一区二区| 国产精品不卡视频一区二区| 亚洲三级黄色毛片| 欧美日韩瑟瑟在线播放| 成人国产综合亚洲| 一区二区三区激情视频| 一级a爱片免费观看的视频| 欧美精品国产亚洲| 成人午夜高清在线视频| 国产精品一区www在线观看 | 成人三级黄色视频| 男女边吃奶边做爰视频| 久久久久国内视频| 精品日产1卡2卡| 特大巨黑吊av在线直播| 真人做人爱边吃奶动态| 欧美不卡视频在线免费观看| 日本成人三级电影网站| 91久久精品电影网| 伦理电影大哥的女人| 香蕉av资源在线| 成人性生交大片免费视频hd| 欧美不卡视频在线免费观看| 久久精品综合一区二区三区| 日本三级黄在线观看| 国产一级毛片七仙女欲春2| 久久久久久大精品| 中文字幕人妻熟人妻熟丝袜美| 免费在线观看影片大全网站| 亚洲aⅴ乱码一区二区在线播放| 中文在线观看免费www的网站| 12—13女人毛片做爰片一| 我要看日韩黄色一级片| 一本精品99久久精品77| 国产三级在线视频| 久久九九热精品免费| 久久久久久久久中文| av国产免费在线观看| 午夜老司机福利剧场| 啦啦啦韩国在线观看视频| 国产三级在线视频| 成年人黄色毛片网站| 免费av观看视频| 在线观看一区二区三区| 三级毛片av免费| 成人高潮视频无遮挡免费网站| 日日撸夜夜添| 女人被狂操c到高潮| 精品不卡国产一区二区三区| 我要看日韩黄色一级片| 别揉我奶头 嗯啊视频| 1000部很黄的大片| 夜夜爽天天搞| 99热精品在线国产| 悠悠久久av| 丰满的人妻完整版| 国产伦人伦偷精品视频| 久久国内精品自在自线图片| 国产淫片久久久久久久久| 级片在线观看| 窝窝影院91人妻| 网址你懂的国产日韩在线| 国产男靠女视频免费网站| 丰满人妻一区二区三区视频av| 99国产精品一区二区蜜桃av| 国产中年淑女户外野战色| 久久人人精品亚洲av| 午夜福利在线在线| 国产一区二区在线av高清观看| 男人和女人高潮做爰伦理| 联通29元200g的流量卡| 人人妻,人人澡人人爽秒播| 日本免费a在线| 精品日产1卡2卡| 网址你懂的国产日韩在线| 国内精品美女久久久久久| 97超视频在线观看视频| 欧美成人免费av一区二区三区| 一区二区三区激情视频| 俄罗斯特黄特色一大片| 亚洲三级黄色毛片| 久久婷婷人人爽人人干人人爱| 人妻少妇偷人精品九色| 久久久久国产精品人妻aⅴ院| 国产成年人精品一区二区| 成年免费大片在线观看| 国产极品精品免费视频能看的| 听说在线观看完整版免费高清| 国产久久久一区二区三区| 一进一出抽搐gif免费好疼| 两个人视频免费观看高清| 又黄又爽又刺激的免费视频.| 亚洲真实伦在线观看| 在线观看午夜福利视频| 国产精品乱码一区二三区的特点| a级毛片免费高清观看在线播放| 欧洲精品卡2卡3卡4卡5卡区| 99久久久亚洲精品蜜臀av| 岛国在线免费视频观看| 日韩在线高清观看一区二区三区 | 国产淫片久久久久久久久| 国产探花极品一区二区| 国产亚洲91精品色在线| 99久久成人亚洲精品观看| 国产三级中文精品| 美女cb高潮喷水在线观看| 国产成人a区在线观看| 日韩人妻高清精品专区| 听说在线观看完整版免费高清| 简卡轻食公司| 国产色婷婷99| 久久精品91蜜桃| 色吧在线观看| 性插视频无遮挡在线免费观看| 最新在线观看一区二区三区| 久久久久久久久中文| av在线蜜桃| 丰满人妻一区二区三区视频av| 高清毛片免费观看视频网站| 男女那种视频在线观看| 在线观看免费视频日本深夜| 他把我摸到了高潮在线观看| 久久久久国内视频| 天堂网av新在线| 麻豆久久精品国产亚洲av| 91久久精品国产一区二区三区| 很黄的视频免费| 在线观看免费视频日本深夜| 69人妻影院| 窝窝影院91人妻| 婷婷六月久久综合丁香| 中出人妻视频一区二区| 国产av在哪里看| 18禁裸乳无遮挡免费网站照片| 成人永久免费在线观看视频| 长腿黑丝高跟| 国产高清三级在线| www.色视频.com| 欧美中文日本在线观看视频| 国产精品综合久久久久久久免费| 99久久精品国产国产毛片| 亚洲va日本ⅴa欧美va伊人久久| 国产精品三级大全| 99久久成人亚洲精品观看| 自拍偷自拍亚洲精品老妇| 国产亚洲精品久久久com| 日韩,欧美,国产一区二区三区 | 欧美+日韩+精品| 国产亚洲91精品色在线| 午夜久久久久精精品| 亚洲欧美日韩无卡精品| 免费在线观看成人毛片| 日本-黄色视频高清免费观看| 嫩草影院新地址| 日韩一区二区视频免费看| 日韩欧美一区二区三区在线观看| 一卡2卡三卡四卡精品乱码亚洲| 日本免费一区二区三区高清不卡| 久久久色成人| 一级黄色大片毛片| 国产精品久久久久久av不卡| 欧美精品啪啪一区二区三区| 88av欧美| 久久精品国产亚洲网站| 国产精品国产高清国产av| 亚洲美女视频黄频| 丝袜美腿在线中文| 乱码一卡2卡4卡精品| 亚洲成人久久性| 国产精品自产拍在线观看55亚洲| 成年女人毛片免费观看观看9| 久久久久国产精品人妻aⅴ院| 一进一出好大好爽视频| 1024手机看黄色片| 日韩欧美在线乱码| 成人三级黄色视频| 少妇猛男粗大的猛烈进出视频 | 免费观看在线日韩| 久久久久久久久久黄片| 亚洲四区av| 国产精品99久久久久久久久| 国产主播在线观看一区二区| 免费人成视频x8x8入口观看| 日韩大尺度精品在线看网址| 国产精品久久久久久亚洲av鲁大| 免费看美女性在线毛片视频| 婷婷丁香在线五月| 精品一区二区三区视频在线观看免费| 亚洲18禁久久av| 在线免费十八禁| 国产成人一区二区在线| 久久精品夜夜夜夜夜久久蜜豆| 性色avwww在线观看| 国产精品电影一区二区三区| 亚洲精品一区av在线观看| 色播亚洲综合网| 国产色爽女视频免费观看| 精品人妻偷拍中文字幕| 免费观看人在逋| 国产精品永久免费网站| 我的老师免费观看完整版| 一级毛片久久久久久久久女| 直男gayav资源| 午夜福利高清视频| 欧美在线一区亚洲| 老司机深夜福利视频在线观看| 亚洲精品国产成人久久av| 天堂网av新在线| 成人国产麻豆网| 91精品国产九色| 人人妻人人澡欧美一区二区| 欧美中文日本在线观看视频| 日日啪夜夜撸| 日韩 亚洲 欧美在线| 国内精品美女久久久久久| 97热精品久久久久久| 免费无遮挡裸体视频| 搡老妇女老女人老熟妇| 老司机深夜福利视频在线观看| 我要看日韩黄色一级片| 在线观看舔阴道视频| 亚洲av日韩精品久久久久久密| 精品久久久噜噜| 国产精品免费一区二区三区在线| 久久国产精品人妻蜜桃| 欧美黑人欧美精品刺激| 精品一区二区三区av网在线观看| 亚洲18禁久久av| 国产高清三级在线| 国产精品免费一区二区三区在线| 国产色爽女视频免费观看| 男人舔女人下体高潮全视频| 99精品久久久久人妻精品| 免费人成在线观看视频色| 国产一区二区三区在线臀色熟女| 内地一区二区视频在线| 人人妻人人澡欧美一区二区| 桃红色精品国产亚洲av| 亚洲国产精品合色在线| 嫩草影院精品99| 国内精品久久久久精免费| 亚洲欧美日韩无卡精品| 日韩欧美精品免费久久| 可以在线观看毛片的网站| 3wmmmm亚洲av在线观看| 国产视频内射| 国内少妇人妻偷人精品xxx网站| 99riav亚洲国产免费| 亚洲无线观看免费| 免费高清视频大片| 又爽又黄a免费视频| 成人三级黄色视频| 狂野欧美白嫩少妇大欣赏| 伦理电影大哥的女人| 欧美一区二区国产精品久久精品| 欧美另类亚洲清纯唯美| 两个人的视频大全免费| 日韩强制内射视频| 国产v大片淫在线免费观看| 亚洲成人免费电影在线观看| 最近视频中文字幕2019在线8| 欧洲精品卡2卡3卡4卡5卡区| 中文字幕av成人在线电影| 国产精品久久久久久av不卡| 免费av观看视频| 国产精品一及| 美女高潮的动态| 精品一区二区三区视频在线观看免费| 日韩欧美免费精品| 精品一区二区三区av网在线观看| 亚洲成人精品中文字幕电影| 欧美色视频一区免费| 色综合色国产| 听说在线观看完整版免费高清| av在线老鸭窝| 91av网一区二区| 国产成人aa在线观看| 亚洲第一区二区三区不卡| 亚洲四区av| 我的老师免费观看完整版| av女优亚洲男人天堂| 欧美一区二区精品小视频在线| 国产麻豆成人av免费视频| 亚洲av中文av极速乱 | 1000部很黄的大片| 51国产日韩欧美| 神马国产精品三级电影在线观看| 最新在线观看一区二区三区| 黄片wwwwww| 亚洲精品乱码久久久v下载方式| 精品一区二区免费观看| 中文字幕人妻熟人妻熟丝袜美| 我的女老师完整版在线观看| 真实男女啪啪啪动态图| 国产亚洲91精品色在线| 国产伦精品一区二区三区四那| 国产精品日韩av在线免费观看| 看片在线看免费视频| 男女边吃奶边做爰视频| 中国美白少妇内射xxxbb| 免费观看人在逋| 国内精品一区二区在线观看| 成人无遮挡网站| av.在线天堂| 久久久国产成人免费| 日本免费一区二区三区高清不卡| 日本黄色片子视频| 一区福利在线观看| 久久国产精品人妻蜜桃| 亚洲国产欧美人成| 伦精品一区二区三区| 制服丝袜大香蕉在线| 久久久久国产精品人妻aⅴ院| 毛片一级片免费看久久久久 | 男女之事视频高清在线观看| h日本视频在线播放| 亚洲欧美清纯卡通| 午夜福利高清视频| 欧美3d第一页| 男女下面进入的视频免费午夜| 色尼玛亚洲综合影院| 国产91精品成人一区二区三区| 国内精品久久久久精免费| 亚洲熟妇熟女久久| 91狼人影院| 两个人视频免费观看高清| 国产精品98久久久久久宅男小说| 成年人黄色毛片网站| 大型黄色视频在线免费观看| 夜夜夜夜夜久久久久| 五月伊人婷婷丁香| 最近最新中文字幕大全电影3| 国产av不卡久久| 成人精品一区二区免费| 老熟妇仑乱视频hdxx| 免费观看的影片在线观看| 成人毛片a级毛片在线播放| 免费在线观看成人毛片| 亚洲精品日韩av片在线观看| 尤物成人国产欧美一区二区三区| 久久精品影院6| 日韩在线高清观看一区二区三区 | 成人欧美大片| 天美传媒精品一区二区| 在线a可以看的网站| 好男人在线观看高清免费视频| 欧美又色又爽又黄视频| 欧美另类亚洲清纯唯美| 日本精品一区二区三区蜜桃| 在线观看舔阴道视频| 成人午夜高清在线视频| 亚洲国产高清在线一区二区三| av女优亚洲男人天堂| 亚洲精品一区av在线观看| 欧美日韩亚洲国产一区二区在线观看| 97超视频在线观看视频| 亚洲午夜理论影院| 久久亚洲真实| 国产高清视频在线播放一区| 成人二区视频| 国产精品国产三级国产av玫瑰| 国产激情偷乱视频一区二区| 亚洲av第一区精品v没综合| 亚洲专区国产一区二区| 精品人妻熟女av久视频| 亚洲成人中文字幕在线播放| 老女人水多毛片| 琪琪午夜伦伦电影理论片6080| 日韩国内少妇激情av| 久久久久国内视频| 日韩欧美国产一区二区入口| 特大巨黑吊av在线直播| 深夜精品福利| 国产精品亚洲美女久久久| 最近最新免费中文字幕在线| 22中文网久久字幕| 色av中文字幕| 欧美精品国产亚洲| 国产精品99久久久久久久久| 中国美女看黄片| 欧美一区二区精品小视频在线| 美女高潮的动态| 他把我摸到了高潮在线观看| 精品久久久久久久人妻蜜臀av| 精品免费久久久久久久清纯| 国产午夜福利久久久久久| 久久精品国产亚洲网站| 国产精品av视频在线免费观看| 免费在线观看日本一区| 日日干狠狠操夜夜爽| 亚洲第一区二区三区不卡| 97超级碰碰碰精品色视频在线观看| 久久精品夜夜夜夜夜久久蜜豆| 国产色爽女视频免费观看| 九九热线精品视视频播放| 国产精品一区二区三区四区免费观看 | 日韩欧美精品免费久久| 波多野结衣高清无吗| 99热这里只有精品一区| 国产一区二区激情短视频| 亚洲最大成人中文| 久久久久久伊人网av| 国产欧美日韩精品一区二区| 亚洲欧美日韩卡通动漫| 99久久久亚洲精品蜜臀av| 91精品国产九色| 国产高清视频在线观看网站| 亚洲va日本ⅴa欧美va伊人久久| 国产亚洲av嫩草精品影院| 欧美日本亚洲视频在线播放| 久久国产精品人妻蜜桃| 制服丝袜大香蕉在线| 精品不卡国产一区二区三区| 久久精品国产99精品国产亚洲性色| 欧美日韩综合久久久久久 | 亚洲成人久久爱视频| 日韩欧美 国产精品| 别揉我奶头~嗯~啊~动态视频| 免费在线观看影片大全网站| 99在线视频只有这里精品首页| 男女啪啪激烈高潮av片| 韩国av在线不卡| 99国产极品粉嫩在线观看| 国产亚洲欧美98| 欧美又色又爽又黄视频| 如何舔出高潮| 婷婷六月久久综合丁香| 国产av一区在线观看免费| 国产一区二区三区视频了| 午夜精品在线福利| 国内少妇人妻偷人精品xxx网站| 亚洲欧美日韩高清专用| av天堂在线播放| 免费在线观看成人毛片| 无遮挡黄片免费观看| 久久精品国产亚洲av天美| 波多野结衣高清作品| netflix在线观看网站| 最近中文字幕高清免费大全6 | 久久中文看片网| 99热这里只有是精品50| 在线免费观看的www视频| 成人一区二区视频在线观看| 久久久久久伊人网av| av专区在线播放| 琪琪午夜伦伦电影理论片6080| 特级一级黄色大片| 欧美成人一区二区免费高清观看| 国内精品美女久久久久久| 国产成人av教育| av天堂在线播放| 91麻豆av在线| 免费电影在线观看免费观看| 窝窝影院91人妻| 国产亚洲91精品色在线| 日日摸夜夜添夜夜添av毛片 | a级一级毛片免费在线观看| 极品教师在线免费播放| 欧美最新免费一区二区三区| 久久久国产成人免费| 亚洲精品在线观看二区| 美女 人体艺术 gogo| 午夜a级毛片| 啦啦啦观看免费观看视频高清| 国产一区二区亚洲精品在线观看| 搞女人的毛片| a在线观看视频网站| av.在线天堂| 国产精品美女特级片免费视频播放器| 国产一区二区三区av在线 | 噜噜噜噜噜久久久久久91| 国内精品一区二区在线观看| 亚洲四区av| av天堂在线播放| 成人二区视频| 国产主播在线观看一区二区| 午夜久久久久精精品| 免费高清视频大片| 99久久精品一区二区三区| 变态另类成人亚洲欧美熟女| 一边摸一边抽搐一进一小说| 欧美三级亚洲精品| 男人和女人高潮做爰伦理| 免费黄网站久久成人精品| 国产精品无大码| 亚洲男人的天堂狠狠| 男女做爰动态图高潮gif福利片| 亚洲精品456在线播放app | 欧美xxxx黑人xx丫x性爽| 亚洲中文字幕日韩| 丝袜美腿在线中文| 99视频精品全部免费 在线| 亚洲黑人精品在线| 亚洲成人免费电影在线观看| 女人十人毛片免费观看3o分钟| 国产精品一区二区性色av| 亚洲成a人片在线一区二区| 国产av不卡久久| 在线观看免费视频日本深夜| 可以在线观看的亚洲视频| 美女黄网站色视频| 亚洲av五月六月丁香网| 国产人妻一区二区三区在| 搡老岳熟女国产|